論文の概要: An End-to-End Automated Pipeline for Controllable Crack Data Synthesis

• arxiv url: http://arxiv.org/abs/2609.12431v2
• Date: Tue, 15 Sep 2026 16:52:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 14:56:08.074356
• Title: An End-to-End Automated Pipeline for Controllable Crack Data Synthesis
• Title（参考訳）: 制御可能なき裂データ合成のためのエンド・ツー・エンド自動パイプライン
• Abstract要約: 視覚に基づくき裂検査は、信頼性がトレーニングデータの量、多様性、ラベルの品質に依存するセグメンテーションネットワークに依存する。 本稿では,手動のアノテーションを使わずにラベル付きひび割れデータを生成し,これらのデータとそれに基づいて訓練された検出器の信頼性を評価する。
• 参考スコア（独自算出の注目度）: 16.848359184857912
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Vision-based crack inspection depends on segmentation networks whose reliability depends on the quantity, diversity and label quality of their training data. Pixel-level annotations are costly, and crack images of specific structures are scarce. Generative augmentation can supply additional data, but existing methods address isolated steps. They reuse annotated masks, offer limited control over crack geometry, and adopt the conditioning mask as the label without checking it. This paper presents an end-to-end pipeline that produces labelled crack data without manual annotation and assesses the reliability of these data and of the detectors trained on them. Procedurally sampled Bézier skeletons with guaranteed geometric properties are converted into crack masks by a generative adversarial network (GAN). A dual-ControlNet Stable Diffusion model renders the masks as crack images, either on text-described surfaces or on user-provided backgrounds. An ensemble of segmentation networks trained on real images combines its agreement with the inherited label and its internal disagreement into a pixel-wise label confidence. This confidence weights the training loss instead of removing samples with a threshold. The trained detectors are evaluated with image-space probability of detection (POD) and calibration analyses. On CRACK500 and CrackTree200, the pipeline improves five segmentation networks over conventional, diffusion-based and flow-matching-based augmentation, and on CRACK500 confidence weighting yields a higher accuracy than threshold filtering at every tested threshold. On CRACK500, the crack width that U-Net detects with 90\% probability at 95\% confidence decreases from 8.0 to 4.3 pixels, and the expected calibration error decreases from 14.2\% to 9.6\%.
• Abstract（参考訳）: 視覚に基づくき裂検査は、信頼性がトレーニングデータの量、多様性、ラベルの品質に依存するセグメンテーションネットワークに依存する。 ピクセルレベルのアノテーションは高価で、特定の構造のクラックイメージは少ない。 生成的拡張は追加のデータを供給できるが、既存のメソッドは分離されたステップに対処する。 彼らは注釈付きマスクを再利用し、クラック形状を限定的に制御し、コンディショニングマスクをラベルとして採用する。 本稿では,手動のアノテーションを使わずにラベル付きひび割れデータを生成し,これらのデータとそれに基づいて訓練された検出器の信頼性を評価する。 幾何特性が保証された手続き的にサンプル化されたベジエ骨格は、生成的対向ネットワーク(GAN)によってクラックマスクに変換される。 dual-ControlNet 安定拡散モデルでは、マスクをクラックイメージとして描画する。 実画像上でトレーニングされたセグメンテーションネットワークのアンサンブルは、継承されたラベルとの一致と内部の不一致をピクセル単位のラベルの信頼に結合する。 この信頼性は、しきい値でサンプルを削除するのではなく、トレーニング損失を重くする。 トレーニングされた検出器は、画像空間検出の確率(POD)と校正分析により評価される。 CRACK500とCrackTree200では、従来の拡散ベースおよびフローマッチングベースの拡張よりも5つのセグメンテーションネットワークを改善し、CRACK500の信頼性重み付けでは、テストされたしきい値毎のしきい値フィルタリングよりも高い精度が得られる。 CRACK500では、U-Netが95%の信頼度で90%の確率で検出するクラック幅が8.0から4.3ピクセルに減少し、期待されるキャリブレーション誤差は14.2\%から9.6\%に低下する。

関連論文リスト

• ViP-Rig: Visual-Prompted Controllable Rigging [66.07397903377584]
  ViP-Rigは、プロンプトファーストリギングと結果誘導編集の両方をサポートするビジュアルプロンプトフレームワークである。 その結果,ViP-Rigは形状条件のベースラインよりもターゲット骨格やスキンの重量をより正確に回収できることがわかった。
  論文  参考訳（メタデータ） (2026-07-30T10:26:37Z)
• Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
  本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。 画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
  論文  参考訳（メタデータ） (2026-07-29T05:16:59Z)
• A Masked Autoencoder Approach to Unsupervised Steel Surface Defect Recognition [0.0]
  トランスフォーマーをベースとしたMasked Autoencoderを用いて,非教師なしグループ化のための鋼表面欠陥の表現を学習する。 デコーダは構造的類似点0.92、平均2乗誤差0.47に達する。
  論文  参考訳（メタデータ） (2026-07-14T18:26:36Z)
• Pixel-Level Pavement Distress Assessment Using Instance Segmentation [0.0]
  本稿では,Mask R-CNN のインスタンスセグメンテーションに基づく視覚に基づく舗装災害解析システムを提案する。 最高の性能モデルは84.23%の精度、90.04%のリコール、87.04%のF1スコアをプロジェクト固有のバウンディングボックスマッチングプロトコルで達成した。 その結果, ケースセグメンテーションは, 現場舗装画像と集合的き裂面積推定の実用的な方向であることが示唆された。
  論文  参考訳（メタデータ） (2026-05-25T17:53:23Z)
• CrackForward: Context-Aware Severity Stage Crack Synthesis for Data Augmentation [1.6440434996206623]
  本稿では,データ拡張のための現実的なひび割れ成長パターンの合成を目的とした,コンテキスト認識型生成フレームワークを提案する。 CrackForwardは、方向のひび割れ伸長と学習した厚みと分岐を組み合わせることで、き裂形態を明示的にモデル化する。
  論文  参考訳（メタデータ） (2026-04-21T19:36:27Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
  StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。 最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。 結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
  論文  参考訳（メタデータ） (2026-01-12T15:41:27Z)
• Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
  異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。 自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。 構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
  論文  参考訳（メタデータ） (2025-11-10T15:48:50Z)
• SSCL-BW: Sample-Specific Clean-Label Backdoor Watermarking for Dataset Ownership Verification [8.045712223215542]
  本稿では,サンプル特異的クリーンラベルバックドア透かし(SSCL-BW)を提案する。 U-Netベースの透かしサンプルジェネレータをトレーニングすることにより,サンプル毎に独自の透かしを生成する。 ベンチマークデータセットを用いた実験は,提案手法の有効性と潜在的な透かし除去攻撃に対する頑健性を示す。
  論文  参考訳（メタデータ） (2025-10-30T12:13:53Z)
• Deep Learning-Based Fatigue Cracks Detection in Bridge Girders using Feature Pyramid Networks [8.59780173800845]
  本研究では,橋梁の鋼箱桁のひび割れ情報を含む高分解能画像からの自動き裂分割手法を提案する。 亀裂のマルチスケールの特徴を考慮し, 亀裂検出のための特徴ピラミッドネットワーク(FPN)の畳み込みニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-28T16:16:15Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• VulMCI : Code Splicing-based Pixel-row Oversampling for More Continuous Vulnerability Image Generation [5.18350896745085]
  脆弱性画像は、オブジェクト検出で使用される画像とは異なり、明瞭で連続的な輪郭を欠いている。 本稿では,より連続的なコード特徴を生成するために,コード行結合に基づく画素行オーバーサンプリング手法を提案する。 実験の結果、VulMCIは7つの最先端の脆弱性検知器より優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-28T09:25:55Z)
• CrackCLF: Automatic Pavement Crack Detection based on Closed-Loop Feedback [14.986335013488643]
  CrackCLFはニューラルネットワークモデルであり、自分でエラーを修正することを学習する。 提案されたCLFは、プラグアンドプレイモジュールとして定義することができ、異なるニューラルネットワークモデルに組み込んでパフォーマンスを改善することができる。
  論文  参考訳（メタデータ） (2023-11-20T14:52:48Z)
• Designing a Hybrid Neural System to Learn Real-world Crack Segmentation from Fractal-based Simulation [7.0156884721768575]
  フラクタルとそれに対応するフルアノテートクラックデータセットに基づく高忠実度クラックグラフィーシミュレータを提案する。 次に、シミュレーションから一般化可能な表現を学習するシステムで後者を補完する。 最後に、シミュレーションを実際のギャップにブリッジすることで、どのように異なる設計選択が共生的であるかを実証的に強調し、最終的に、我々の導入したシステムが現実世界のひび割れのセグメンテーションを効果的に処理できることを実証する。
  論文  参考訳（メタデータ） (2023-09-18T10:13:03Z)
• iNNformant: Boundary Samples as Telltale Watermarks [68.8204255655161]
  4つの試験されたマイクロアーキテクチャのいずれかを識別できる境界サンプルの集合を生成することができることを示す。 これらのセットは70dBよりも悪いピーク信号-雑音比のサンプルを含まないように構築することができる。
  論文  参考訳（メタデータ） (2021-06-14T11:18:32Z)
• Salvage Reusable Samples from Noisy Data for Robust Learning [70.48919625304]
  本稿では,Web画像を用いた深部FGモデルのトレーニングにおいて,ラベルノイズに対処するための再利用可能なサンプル選択と修正手法を提案する。 私たちのキーとなるアイデアは、再利用可能なサンプルの追加と修正を行い、それらをクリーンな例とともに活用してネットワークを更新することです。
  論文  参考訳（メタデータ） (2020-08-06T02:07:21Z)
• Second-Order Provable Defenses against Adversarial Attacks [63.34032156196848]
  ネットワークの固有値が有界であれば、凸最適化を用いて$l$ノルムの証明を効率的に計算できることを示す。 認証精度は5.78%,44.96%,43.19%であった。
  論文  参考訳（メタデータ） (2020-06-01T05:55:18Z)
• Suppressing Uncertainties for Large-Scale Facial Expression Recognition [81.51495681011404]
  本稿では,不確実性を効果的に抑制し,深層ネットワークが不確実な顔画像に過度に収まらないような,シンプルで効率的なセルフキュアネットワーク(SCN)を提案する。 公開ベンチマークの結果、我々のSCNは現在の最先端メソッドよりも、RAF-DBで textbf88.14%、AffectNetで textbf60.23%、FERPlusで textbf89.35% を上回りました。
  論文  参考訳（メタデータ） (2020-02-24T17:24:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。